一种基于机器视觉的不锈钢汤勺缺陷检测方法技术

本发明专利技术提供一种基于机器视觉的不锈钢汤勺缺陷检测方法，包括以下步骤：S1)、采集待检测的不锈钢汤勺表面缺陷图像；S2)、对采集的表面缺陷图像依次进行灰度化、灰度变换、图像平滑的预处理；S3)、用自动阈值分割法对预处理后的图像进行阈值分割，得到若干个独立区域；S4)、通过面积特征剔除误判的像素点和可容忍的细微缺陷，同时判断产品是否存在缺陷；S5)、通过圆度特征对存在缺陷的产品进行分类，并对图像中的缺陷进行像素面积计算和定位。本发明专利技术能实现了不锈钢汤勺的缺陷检测，对不锈钢汤勺制品表面划痕缺陷的检测正确率高达100％，整体的缺陷检测正确率高达到96％以上，可针对汤勺不同类型缺陷有针对性的进行检测，检测效率高，并且检测稳定。

【技术实现步骤摘要】
一种基于机器视觉的不锈钢汤勺缺陷检测方法
本专利技术涉及一种汤勺缺陷检测
，尤其是一种基于机器视觉的不锈钢汤勺缺陷检测方法。
技术介绍
由于不锈钢制品存在高反光、易成像等问题，机器难以对其表面细节进行识别和分类，目前不锈钢餐具的生产厂家对不锈钢制品的缺陷检测主要依赖人工完成，而人的肉眼完全无法分辨出合格与否，这会造成缺陷检测精度低、误检率高的问题。随着科技的快速发展，出现了计算机视觉检测技术。目前表面缺陷视觉检测的主要方法为通过遗传算法和视觉图像处理形态实现金属件表面缺陷的自动检测，例如CN106204614A公开的一种基于机器视觉的工件外观缺陷检测方法以及CN104458748B所公告的一种基于机器视觉的铝型材表面缺陷检测方法。但该两种方法处理纹理较多的图像时，会导致图像信息丢失，并且处理高斯噪声效果和粗糙表面时，效果并不明显，
技术实现思路
针对现有技术的不足，本专利技术提供一种基于机器视觉的不锈钢汤勺缺陷检测方法。本专利技术的技术方案为：一种基于机器视觉的不锈钢汤勺缺陷检测方法，包括以下步骤：S1)、采集待检测的不锈钢汤勺表面缺陷图像；S2)、对采集的表面缺陷图像依次进行灰度本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的不锈钢汤勺缺陷检测方法，其特征在于，包括以下步骤：S1)、采集待检测的不锈钢汤勺表面缺陷图像；S2)、对采集的表面缺陷图像依次进行灰度化、灰度变换、图像平滑的预处理；S3)、用自动阈值分割法对预处理后的图像进行阈值分割，得到若干个独立区域；S4)、通过面积特征剔除误判的像素点和可容忍的细微缺陷，同时判断产品是否存在缺陷；S5)、若产品存在缺陷，通过圆度特征对存在缺陷的产品进行分类，并对图像中的缺陷进行像素面积计算和定位。

【技术特征摘要】
1.一种基于机器视觉的不锈钢汤勺缺陷检测方法，其特征在于，包括以下步骤：S1)、采集待检测的不锈钢汤勺表面缺陷图像；S2)、对采集的表面缺陷图像依次进行灰度化、灰度变换、图像平滑的预处理；S3)、用自动阈值分割法对预处理后的图像进行阈值分割，得到若干个独立区域；S4)、通过面积特征剔除误判的像素点和可容忍的细微缺陷，同时判断产品是否存在缺陷；S5)、若产品存在缺陷，通过圆度特征对存在缺陷的产品进行分类，并对图像中的缺陷进行像素面积计算和定位。2.根据权利要求1所述的一种基于机器视觉的不锈钢汤勺缺陷检测方法，其特征在于：步骤S2)中，灰度化是将初始采集得到RGB图像转化为灰度图像，RGB图像存在三个通道的图像，转换为灰度图像的转换公式为：gray＝0.299*red+0.587*green+0.114*blue；灰度变换为灰度翻转，灰度翻转公式如公式：s＝L-1-r，式中s表示像素点翻转后的像素值，L＝256，r表示像素点原始值，通过翻转变换，每个灰度值将会变成(255-r)，从而实现灰度值的变换；采用35*35的掩模对灰度翻转后的图像进行均值滤波，将35*35模板内所有像素点灰度值的平均值作为中心像素点的像素值，依次遍历所有像素点，完成对图像的均值滤波；得到趋近于图像背景的理想图片。3.根据权利要求1所述的一种基于机器视觉的不锈钢汤勺缺陷检测方法，其特征在于：步骤S3)中，用自动阈值分割法对预处理后的图像进行阈值分割，具体为：由于在图像的局部区域内，缺陷与背景会呈现一定的灰度差值，将均值滤波处理后的图像作为背景图像J(x,y)，原始图像记为O(x,y)，根据原始图像与均值滤波后图像每一点的像素灰度差的均值，计算得到偏移量m，即其中，n为所有像素点的总个数，由于缺陷部分在预处理后呈现亮色，表现...

【专利技术属性】
技术研发人员：吉登清，李澄非，田果，沈剑韬，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东,44